=Paper=
{{Paper
|id=Vol-2033/64_paper
|storemode=property
|title=Информационное моделирование пространственно-временных данных экологического мониторинга Красноярского водохранилища
(Information Modeling of Temporal Spatial Data for Ecological Monitoring of the Krasnoyarsk Reservoir)
|pdfUrl=https://ceur-ws.org/Vol-2033/64_paper.pdf
|volume=Vol-2033
|authors=Anna V. Korobko,Alexey A. Korobko,Tatiana V. Yakubaylik
}}
==Информационное моделирование пространственно-временных данных экологического мониторинга Красноярского водохранилища
(Information Modeling of Temporal Spatial Data for Ecological Monitoring of the Krasnoyarsk Reservoir)==
https://ceur-ws.org/Vol-2033/64_paper.pdf
INFORMATION MODELING OF TEMPORAL SPATIAL DATA
FOR ECOLOGICAL MONITORING OF THE KRASNOYARSK RESERVOIR
Anna V. Korobko, Alexey A. Korobko, Tatiana V. Yakubaylik
Institute of Computational Modelling SB RAS, Federal Research Center Krasnoyarsk
Science Center of the Siberian Branch of Russian Academy of Sciences,
Krasnoyarsk, Russia
Abstract
Efficiency of ecological monitoring data analysis is determined by elaborating, adequateness and
comprehension of the informational models describing content and structure of expeditionary and
laboratory research. The paper is dedicated to represent technologies of spatial temporal data processing
and management for hydrobiological researches in the model-oriented system of operational information-
analytical support of consolidation and processing of expedition data. Information models of the
developed system are suggested according to research tasks of ecological monitoring.
Keywords: model driven architecture, information decision making support, data consolidation,
geoinformation mapping, bathymetry
ИНФОРМАЦИОННОЕ МОДЕЛИРОВАНИЕ ПРОСТРАНСТВЕННО-ВРЕМЕННЫХ
ДАННЫХ ЭКОЛОГИЧЕСКОГО МОНИТОРИНГА КРАСНОЯРСКОГО
ВОДОХРАНИЛИЩА
Коробко А.В., Коробко А.А., Якубайлик Т.В.
Институт вычислительного моделирования СО РАН, Красноярск
Эффективность анализа данных экологического мониторинга определяется проработанностью,
адекватностью и полнотой информационных моделей, описывающих состав и структуру данных экс-
педиционных и лабораторных исследований. Настоящая работа посвящена представлению технологий
обработки и организации пространственно-временных данных гидробиологических исследований и
описанию информационных моделей, предназначенных для решения отдельных задач автоматизации
экологического мониторинга Красноярского водохранилища в рамках модельно-ориентированной си-
стемы оперативной информационно-аналитической поддержки консолидации и обработки экспедици-
онных данных.
Ключевые слова: модельно-ориентированная архитектура, информационная поддержка приня-
тия решений, консолидация данных, геоинформационное картографирование, батиметрия.
Введение. Красноярское водохранилище, являясь искусственным водоемом, тем не ме-
нее, остается объектом живой природы, самоорганизующейся экосистемой, которая требует
даже более пристального изучения, чем естественные водные объекты. Для водохранилища
так же актуальны вопросы гидробиологии, касающиеся изучения внутренних процессов эко-
системы, ее реакции на внешнее воздействие (в том числе влияние антропогенного фактора) и
прогноза состояния устойчивого функционирования. Решение перечисленных исследователь-
ских вопросов неразрывно связано с обработкой данных, которые решаются путем анализа
информации, полученной в ходе более ранних исследований, данных современных натурных
наблюдений и результатов математического моделирования.
Задачи сбора и хранения данных экспедиционных (полевых) и лабораторных исследова-
ний, как правило, решаются на базе простейших табличных редакторов [1]. Обработка накоп-
ленной информации выполняется либо стандартными статистическими методами, либо мно-
гофункциональными системами анализа данных, требующими углубленных знаний матема-
тики и информационных технологий. Сложившийся подход к организации процессов управ-
ления данными научных исследований решает тактические задачи исследователей, но не поз-
воляет использовать преимущества технологических методов информационно-аналитиче-
ского моделирования. Вызывает опасения степень достоверности результатов анализа, полу-
ченных при обработке данных, хранящихся без учета требования целостности и непротиворе-
чивости. Слабая структурированность данных и отсутствие единой нормативно-справочной
информации затрудняет корректное сопоставление экспериментальных данных с результа-
тами, полученными в смежных областях науки и в ходе более ранних исследований, ослож-
няет задачу комплексной и системной оценки накопленных данных и научной преемственно-
сти.
Основным методическим инструментом структурирования данных является информаци-
онное моделирование – представление существующих информационных потоков в виде фор-
мальных моделей. Каждая из решаемых исследователями задач сопряжена с построением мо-
делей на разных концептуальных уровнях. Настоящая работа посвящена представлению тех-
нологий обработки и организации пространственно-временных данных гидробиологических
исследований и описанию информационных моделей, предназначенных для решения отдель-
ных задач автоматизации экологического мониторинга Красноярского водохранилища в рам-
ках единой модельно-ориентированной системы оперативной информационно-аналитической
поддержки консолидации и обработки экспедиционных данных. Авторская технология сбора
данных экспедиционных и лабораторных исследований представлена управляющей моделью,
319
которая определяет и схему хранения данных, и пользовательский интерфейс разрабатывае-
мой системы. Ранее накопленный фактический материал экологического мониторинга пред-
ставлен в виде геоинформационных моделей станций отбора проб с 2000 по 2016 гг. и бати-
метрии Красноярского водохранилища.
Управляющая модель системы оперативной информационно-аналитической под-
держки консолидации и обработки экспедиционных данных. Разрабатываемая модельно-
ориентированная система [2] нацелена на сопровождение всех этапов изучения экосистемы,
начиная с фиксации станции отбора проб в ходе экспедиции и внесения результатов лабора-
торных измерений и заканчивая аналитической и интеллектуальной обработкой накопленных
данных. Главным фактором, определяющим достоверность и повторность результатов анали-
тической обработки данных, является структурирование информации с учетом требований
атомарности, неизбыточности и непротиворечивости. Построение базы для хранения данных,
в том числе и пространственно-временных, требует специальных знаний и опыта проектиро-
вания схем баз данных, с одной стороны, и владения, как минимум, терминами предметной
области, с другой стороны. Учитывая, что построение базы данных процесс итеративный,
ввиду постепенной структуризации накопленных данных и желания расширения тематиче-
ского ядра системы в ходе ее эксплуатации [3], необходимость в привлечении специалиста в
области информационных технологий и системного аналитика будет возникать регулярно. Ре-
шение проблемы поэтапного развития системы за счет расширения тематического ядра дости-
гается путем применения авторской реализации модельно-ориентированного подхода в виде
информационной системы построенной на основе управляющей модели, которая редактиру-
ется через интерфейс самой системы. Такой подход позволяет ученым-исследователям фор-
мировать и наполнять систему в соответствии с особенностями предмета своего изучения и
своими аналитическими потребностями, без привлечения сторонних разработчиков. На рис. 1
представлен фрагмент управляющей модели модельно-ориентированной системы оператив-
ной информационно-аналитической поддержки консолидации и обработки экспедиционных
данных гидробиологических исследований.
Рис. 1. Управляющая модель модельно-ориентированной системы оперативной информационно-ана-
литической поддержки консолидации и обработки экспедиционных данных.
320
Управляющая модель построена в соответствии с ранее предложенной авторской специ-
фикацией, подробно описанной в работе [4]. Классы группировки задают структуру отобра-
жения аналитических объектов исследования в интерфейсе модельно-ориентированной си-
стемы. Связи между объектами модели соответствуют отношению зависимости между ними.
Отношения обладания между объектами и атрибутами задают набор характеристик объектов,
позволяя один и тот же атрибут связать с несколькими объектами, сохраняя при этом единый
формат представления параметра (атрибута).
Геоинформационная модель экспедиционных исследований Красноярского водо-
хранилища с 2000 по 2016 гг. Объектом информационного моделирования является Красно-
ярское водохранилище. Специфика абиотических и биотических параметров экосистемы
Красноярского водохранилища, проявление неблагоприятных последствий функционирова-
ния водохранилища для населения прибрежной зоны, включая г. Дивногорск и г. Абакан, а
также расположенный ниже по р. Енисей г. Красноярск, обусловили необходимость система-
тизации наблюдений и исследований на нем.
Красноярское водохранилище вытянуто в меридиональном направлении с севера на юг
(E 91°–92°, N 53°–56°), находится в зоне с резко-континентальным климатом (с холодной зи-
мой более 5 месяцев и коротким теплым летом). Основные морфометрические характеристики
при нормальном подпорном уровне 243 м: площадь водного зеркала 2000 км2, объем водной
массы 73,3 км3, длина 386 км, средняя ширина 5,8 км, средняя глубина 36,7 м; водообмен 1,4
раза в год [5].
Данные экспедиционных наблюдений накоплены за период 2000-2016 гг. Исследования
проводились в вегетационный период (с июня по август) с многократным повтором забора
проб с фиксированных станций. В ходе исследований проводился отбор проб воды в различ-
ных участках Красноярского водохранилища на протяжении от верхнего бьефа водохрани-
лища до залива Улазы (Новоселовский район) (~172 км) со 190 станций. Для комплексной
оценки функционального состояния водохранилища выполнялся анализ проб бактериопланк-
тона и фитопланктона из 21 залива и русла водохранилища, были изучены функциональные
характеристики бактерио- и фитопланктона в рамках 92 суточных серий бактериальной и пер-
вичной продукций и деструкции органического вещества; 65 серий 8-ми суточных определе-
ний биологического потребления кислорода (БПК). Параллельно с биологическими анализами
проводились флуоресцентные исследования 516 проб воды для определения биологических
показателей активности (фито- и бактериопланктона) по концентрациям хлорофилла и раство-
ренного органического вещества. Основные гидрооптические показатели определены для 204
проб [6].
В качестве инструмента редактирования геоинформационной модели [7] станций отбора
проб выбран Конструктор карт Яндекс [8]. Преимущества выбранного средства заключаются
в возможности совместного доступа к карте, предоставления прав просмотра по ссылке и им-
порта данных в распространенные форматы передачи геоданных для последующего экспорта
в модельно-ориентированную систему оперативной информационно-аналитической под-
держки консолидации и обработки экспедиционных данных. Фрагмент карты представлен на
рис. 2.
Фактические координаты станций отбора проб были восстановлены по журналам наблю-
дений, под руководством специалистов, непосредственно, принимавших участие в экспедици-
онных исследованиях. Для обеспечения корректного анализа данных прошлых и будущих ис-
следований, станции отбора проб определены как геоточка с окрестностью, позволяющей со-
поставить данных натурных наблюдений в разные годы без потери информации – окрестность
выбиралась с учетом отдаленности (близости) станций, пройденных за один день. Точное по-
зиционирование станций отбора проб позволило создать справочники положения относи-
тельно заливов и русла (рисунок 1). Заливы условно разделены на устье, центр, глубь и подпор,
а станции русла отнесены к правому и левому берегам и центру.
321
Рис. 2. Геоинформационная модель экспедиционных исследований
Красноярского водохранилища с 2000 по 2016гг.
Геоинформационная модель батиметрии Красноярского водохранилища. Практика
создания батиметрических карт [9] в значительной степени связана с технологическими воз-
можностями. На протяжении длительного времени основным и единственным способом по-
строения карт глубин были методы линейной интерполяции отметок глубин, полученных пря-
мыми измерениями (с помощью специальных приборов – лотов). С развитием акустического
способа измерения глубин, методов эхолокации, с изобретением и массовым использованием
эхолотов (середина 20 века) эффективность работ по созданию карт подводного рельефа зна-
чительно повысилась. В послевоенные годы были созданы подробные батиметрические карты
для всех внутренних водоемов страны. Новый этап развития начался с появлением компьюте-
ров.
В современной нам действительности для создания карт рельефа дна применяются ме-
тоды исследования, базирующиеся на высокоточной измерительной аппаратуре, метах геоло-
кации GPS/ГЛОНАСС, сложном программном обеспечении – геоинформационных системах
(ГИС) [10].
Современная ГИС предоставляет весь необходимый набор инструментов для моделиро-
вания данных по подводному рельефу. В настоящей работе исходной информацией для по-
строения цифровой модели подводного рельефа Красноярского водохранилища были отметки
и изобаты глубин, оцифрованные с карты-лоции. Лоция была предварительно оцифрована и
геопозиционирована с помощью локально-аффинных преобразований по спутниковым сним-
кам Sentinel-2A с пространственным разрешением 10 м/пиксел. Оцифрованные данные лоции
были преобразованы в географическую систему координат (градусы широты/долготы), а затем
конвертированы в равноугольную поперечно-цилиндрическую проекцию Меркатора. Таким
образом, исходная информация по глубинам лоции стала основой геоинформационной модели
батиметрии.
Исходные данные лоции – это отдельные точки со значениями глубин и изобаты – линии
с одинаковой глубиной. Все они использовались на следующем этапе обработки – интерполя-
ции в регулярную сетку с задаваемым пользователем размером ячейки. На этом этапе были
использованы различные методы – метод триангуляции (TIN – Triangular Irregular Network) и
обратного взвешивания расстояний (IDW – Inverse Distance Weighted). Таким образом, была
построена серия сеток с батиметрией Красноярского водохранилища разного уровня детали-
зации. Значениями ячеек сетки являются вычисленные глубины водохранилища.
322
Заключение. Предложенные информационные модели нацелены на создание техноло-
гической основы и формирование тематического ядра модельно-ориентированной системы
оперативной информационно-аналитической поддержки консолидации и обработки экспеди-
ционных данных. Систематизация информации о ключевых аспектах научного исследования
позволяет создать основу для преемственности результатов многолетних наблюдений, срав-
нительного анализа данных смежных исследований, оперативного анализа данных и извлече-
ния новых знаний о функционировании объектов окружающей среды. Подробное описание
точек отбора проб в совокупности с батиметрической моделью определяет качество норма-
тивно-справочной информации разрабатываемой системы и спектр возможностей по выявле-
нию закономерностей, прогнозированию и построению более точных математических моде-
лей.
Исследование выполнено при финансовой поддержке РФФИ, Правительства Краснояр-
ского края, Красноярского краевого фонда поддержки научной и научно-технической дея-
тельности в рамках научного проекта № 16-41-240425-р_а.
ЛИТЕРАТУРА
[1] Постникова П.В., Макарская Г.В., Апонасенко А.Д., Пономарева Ю.А. Многолетние гидробио-
логические исследования центральной части красноярского водохранилища // Всероссийская
конференция по крупным внутренним водоемам Сборник научных трудов конференции (V Ла-
дожский симпозиум), 2016. С. 318-323.
[2] Грищенко М. А. и др. Применение модельно-управляемого подхода для создания продукцион-
ных экспертных систем и баз знаний //Искусственный интеллект и принятие решений. 2016.
№. 2. С. 16-29.
[3] Korobko A., Postnikova P. Database development for spatial temporal facts about Krasnoyarsk reser-
voir// 16th International Multidisciplinary Scientific GeoConference SGEM 2016, www.sgem.org,
SGEM2016 Conference Proceedings, ISBN 978-619-7105-61-2 / ISSN 1314-2704, June 28 - July 6,
2016, Book3 Vol. 1, 227-234 pp. DOI:10.5593/SGEM2016/B31/S12.030
[4] Korobko A.A., Nozhenkova L.F. Application of Model Driven Architecture for Development of Data
Consolidation Web-system // Proc. 39th Intern. Conv. The conf. “MIPRO 2016”. 2016. P. 1729-1734.
[5] Гольд З.Г. Красноярское водохранилище: мониторинг, биота, качество воды. Красноярск: Изда-
тельство СФУ, 2008. 538 с.
[6] Postnikova P. V. Inter-annual dynamics of changes in hyrdooptical characteristics of ecosystem of the
Yenisei basin// Proc. SPIE 10035, 22nd International Symposium on Atmospheric and Ocean Optics:
Atmospheric Physics, 1003535 (November 29, 2016); doi:10.1117/12.2248511
[7] Янкелевич С.С., Женибекова А.Б. Формализация картографического отображения при монито-
ринге окружающей среды для широкого круга пользователей // Интерэкспо Гео-Сибирь. 2017.
№2. С.103-106
[8] Рассказова Н.С., Бобылев А.В. Представление данных цифровых моделей рельефа в экологиче-
ских геоинформационных системах (на примере геоинформационной системы Шершневского
водохранилища) // Вест. Челябинского гос. ун-та. 2010. № 8 (189). С. 36–39.
[9] Лопаткин Д.А., Шерстянкин П.П. Геоинформационное картографирование рельефа дна озера
Байкал // Геодезия и картография. 2015. № 3. С. 22-28.
323